进程和线程

进程和线程

在多道程序环境下，允许多个程序并发执行，为此操作系统引入了进程 (Process) 的概念，以便更好地描述和控制程序的并发执行，实现操作系统的并发性。

进程

进程是 系统资源分配的基本单位。 进程拥有独立的系统资源，包括内存空间、文件描述符、CPU 时间片等，这些资源的分配由操作系统负责。

进程和程序

程序时静态的，进程是动态的，进程可以理解成运行的程序，两者的具体区别如下：

• 程序
  • 程序是一组指令的静态集合，它存储在磁盘等持久性存储介质中。
  • 程序是被动的，它本身并不执行任何操作。
• 进程
  • 进程是程序在内存中执行的实例。
  • 当一个程序被加载到内存中并开始执行时，操作系统会创建一个进程。
  • 进程是动态的，它代表了程序的执行过程。

操作系统在创建进程时，会为进程分配必要的资源，例如内存空间、文件句柄等。 进程是操作系统进行资源分配和调度的基本单位。 一个程序可以多次运行，每次运行都会创建一个新的进程。

进程控制块

操作系统通过 进程控制块（PCB，Process Control Block）对进程进行管理，进程控制块中包含一系列进程的元信息，这些元信息帮助操作系统对进程进行管理：

上表给出了 PCB 的关键内容，其中进程描述信息用于唯一标识和管理进程，以及实现用户级别的权限控制；进程控制和管理信息用于管理进程的生命周期、调度和执行；资源控制清单记录进程使用的资源，以便进行有效的资源管理和分配；处理机相关信息保存与处理器相关的状态信息，以实现上下文切换。

进程控制块在操作系统进程管理的多个阶段都发挥重要作用：

• 进程创建和终止：在进程创建时，操作系统为它新建一个 PCB（进程控制块）。该结构在进程存在期间常驻内存，可以随时存取，并在进程结束时删除。
• 进程调度：当操作系统进行进程调度时，会根据 PCB 中存储的信息（如优先级、进程状态）来决定哪个进程应该获得 CPU 的控制权。

父子进程

在操作系统中，进程是程序执行的基本单位。父子进程是指通过进程创建机制生成的一种层级关系：

• 父进程：创建新进程的进程。
• 子进程 ：由父进程创建的进程。

子进程通常由父进程通过 fork 系统调用建立。子进程是父进程的副本，继承父进程的代码段、数据段、堆栈等资源，但拥有自己的独立地址空间和执行状态。两者可以通过进程间通信（IPC）机制（如管道、信号、共享内存）进行数据交换或同步。

fork 系统调用的声明为 pid_t fork(void)，其返回值为一个整数，可以用于判定该程序是父进程还是子进程：

• 在父进程中，返回值为子进程的 pid（pid > 0）。
• 在子进程中，返回值为 0。

fork 调用后，父进程和子进程从 fork 调用后的下一条指令开始继续执行。子进程获得父进程的代码、数据和堆栈的副本，但两者地址空间独立。

除了 fork 系统调用外，还有一个 exec 系统调用，两种具有不同的功能，需要能够区分：

• fork：创建子进程，复制资源，不改变程序，父子进程继续执行原代码。
• exec：在当前进程中加载并执行一个新的程序。替换当前进程的代码段、数据段和堆栈，保留部分资源如进程 PID，不涉及到并发。

此外，父进程可以通过 wait 系统调用等待子进程执行结束，并获取子进程的退出状态，防止进程成为僵尸进程。

线程

线程是 系统调度的基本单位。多核处理器可以将系统中的不同线程调度到不同的 CPU 逻辑核心上，所以在同一个时刻，系统中的线程可能会在不同的逻辑核心上并行运行。

每个进程启动的时候，都包含一个线程（主线程），可以在主线程外创建更多的线程。

如上图所示，一个进程中的所有线程都共享虚拟地址空间和系统资源，但是每个线程都维护自己的堆栈、寄存器和一些额外信息。

在一个进程中没有创建线程时，则该进程为单线程进程，否则该进程中包含多个线程。

单线程进程只有一个线程，独占进程的虚拟地址空间和系统资源，如文件描述符和内存。线程维护自己的堆栈和寄存器，无需同步，但无法利用多核CPU，且阻塞会影响整个进程，适合简单任务，但并发性和响应性较差。

多线程进程包含多个线程，共享虚拟地址空间和系统资源，如代码段和堆等，便于高效通信。每个线程有独立的堆栈、寄存器和线程ID，需通过锁等机制同步以避免资源竞争。多线程支持多核并行，适合高并发任务，但实现更加复杂。

进程的状态

进程状态是指在操作系统中，一个进程在执行过程中的不同阶段。它反映了进程当前正在做什么，以及是否可以被 CPU 执行。

状态种类

不同的操作系统对进程状态的划分可能不同，但常见的包若以下几种：

1. 创建状态（New）：当进程被创建但还未分配资源或执行时，它处于创建状态。
2. 就绪状态（Ready）：在就绪状态中，进程已准备好执行，但由于操作系统调度算法或其他原因，尚未获得 CPU 时间片。
3. 运行状态（Running）：在运行状态中，进程正在执行指令并占用 CPU。
4. 阻塞状态（Blocked）：当进程在等待某些事件发生时，如等待 I/O 操作完成或等待其他资源时，它会进入阻塞状态。在阻塞状态下，进程暂停执行，直到等待的事件发生。
5. 终止状态（Terminated）：当进程执行完毕或被操作系统终止时，它进入终止状态。

状态转化

1. 就绪态 → 运行态：
   • 调度：当操作系统的调度器选择一个就绪状态的进程分配给处理器时，该进程就会从就绪状态转换到运行状态。
2. 运行态 → 就绪态：
   • 时间片用完：如果系统使用时间共享调度，当进程的时间片用完，它会被中断并放回就绪队列。
   • 优先级更高的进程就绪：在优先级调度算法中，如果一个优先级更高的进程变为就绪状态，当前运行的进程可能会被挂起。
   • 自愿放弃 CPU: 进程可能主动放弃 CPU，比如它发出了一个系统调用请求其他资源。
3. 运行态 → 阻塞态：
   • I/O 请求：进程进行 I/O 操作，由于 I/O 设备比 CPU 慢得多，进程会被挂起直到 I/O 完成。
   • 等待资源：进程等待不可用的资源，如信号量、互斥锁等。
   • 等待事件：如等待其他进程的信号、消息或者某个条件的发生。
4. 阻塞态 → 就绪态：
   • I/O 完成：当 I/O 操作完成，相应的进程会被移至就绪队列。
   • 资源获得：进程所等待的资源变得可用，如获得了互斥锁。
   • 事件发生：进程所等待的事件发生了，如接收到了另一个进程发出的信号。

进程内存空间

• 用户空间（User Space）：包含进程执行的用户程序代码和数据。在用户空间中，进程可以执行各种任务，如运行应用程序、访问文件系统等。用户空间对于应用程序是可见的，但对于操作系统中的核心功能是不可见的。
  1. 代码区（Text Segment）：也称为"可执行代码区"，存储了进程的可执行代码，包括程序的指令和只读数据。这个区域通常是只读的，因为程序的指令在运行时不应该被修改。
  2. 数据区（Data Segment），数据区分为两个子区域：
     • 初始化数据区（Initialized Data Segment）：存储全局和静态变量以及初始化的数据。这些变量在程序运行前就已经分配了内存并初始化。
     • 未初始化数据区（Uninitialized Data Segment）：也称为"BSS"（Block Started by Symbol）段，存储全局和静态变量，但这些变量没有显式的初始化值。操作系统会在程序启动时自动将这个区域初始化为零。
  3. 堆区（Heap）：堆区是动态分配内存的地方，用于存储程序运行时需要的变量和数据结构。在堆中分配的内存需要手动释放，以避免内存泄漏。
  4. 栈区（Stack）：栈区用于存储函数调用和局部变量。每个函数调用都会在栈上创建一个栈帧，栈帧包含了函数的参数、局部变量以及函数返回地址。栈是一种后进先出（LIFO）的数据结构，它的大小通常有限，由操作系统或编程语言定义。
  5. 内存映射区域（Memory Mapped Region）：这是一些操作系统或运行时库的扩展，用于存储动态链接库（DLL）和共享库的信息以及其他系统数据结构。
• 内核空间（Kernel Space）：内核空间包含了操作系统的核心代码和数据结构，如页表、调度程序和系统调用接口等。内核空间具有更高的特权级别，可以执行特权指令并且访问系统的各种资源，内核空间对于用户程序是不可见的。

函数调用时内存结构

EBP (base pointer) 指向函数栈（栈帧）的底部（高地址），函数执行过程中在栈帧中分配局部变量，栈帧由高地址向低地址增长，ESP（stack pointer）一直指向栈顶。

每个函数的栈帧中包含如下内容：

• 上一个函数的 EBP
• 该函数的局部变量
• 如果函数内有 call 指令的话，还需要保存额外信息：
  • 下一个函数的参数：依次存储从第 n 个到第 1 个，从高地址到低地址
  • 返回地址：当前 PC 指向的位置，即 call 指令的下一条指令的地址

在函数的调用过程中，调用函数叫做 caller，被调用函数叫做 callee。当我们从 caller 中调用 callee 时，callee 的 EBP 指向的物理地址的上下存储单元分别包含 caller 的返回地址以及 caller 所在栈帧的 EBP，当我们在 callee 中执行 ret 指令时，计算机可以跳转到 caller 中 call 指令的下一条并开始执行，同时 caller 的栈帧也会被恢复。

进程间通信

进程间通信（Inter-Process Communication，IPC）是指在同一计算机系统中，两个或多个进程之间交换数据或信号的机制。常见的进程间通信方式主要包含共享内存、管道、消息队列、信号、套接字 和 信号量。

管道是一种最基本的进程间通信方式，主要用于具有亲缘关系的进程之间的数据传递。它分为无名管道和有名管道，其中无名管道只能在父子进程或兄弟进程之间使用，而有名管道（FIFO）通过文件系统中的特殊文件实现，不要求通信双方存在亲缘关系。

管道以 字节流 的形式传输数据，具备先进先出的特性，但 只支持单向通信，并且效率相对较低，适用于简单的任务传递。

# 在 linux shell 中使用 | 操作符创建一个管道通信
# cat 进程的标准输出（stdout）会从管道输入到 grep 进程的标准输入（stdin）
cat file.txt | grep word

共享内存是效率最高的一种进程间通信方式，允许多个进程将同一段物理内存映射到各自的虚拟地址空间中，从而直接读写该区域的数据。

由于不需要内核频繁介入，通信效率极高，非常适合大规模数据的快速传输。然而，由于多个进程可同时访问内存区域，必须通过额外的同步机制如信号量或互斥锁来确保数据一致性，否则容易出现竞争条件和数据错误。

消息队列是一种基于内核的数据结构，允许多个进程以消息为单位进行通信，具有良好的结构化和独立性。进程通过系统调用将消息发送到队列中或从中接收消息，可以实现同步与异步的通信模式。

相比管道，消息队列的通信更加灵活，支持优先级管理，适用于需要有序、分类传输数据的场景。但由于涉及内核操作，性能开销相对共享内存较大。

用户级线程和内核级线程

• 用户级线程 （ULT，User Level Thread）
  • 用户级线程是由应用程序通过线程库来实现的，操作系统内核并不直接感知到这些线程的存在。
  • 线程的创建、调度和管理都由应用程序在用户空间完成。
• 内核级线程 （KLT，Kernel Level Thread）
  • 内核级线程是由操作系统内核直接支持的线程。
  • 线程的创建、调度和管理都由操作系统内核完成。

线程模型

操作系统中的线程实现方式称为线程模型，不同的线程模型在用户级线程（ULT）和内核级线程（KLT）的设计上各有不同。

系统中的线程模型可以分为如下三种：

• 纯用户态：所有的线程操作都在用户空间中进行，内核对线程的存在一无所知。
• 纯系统态：线程由操作系统内核直接支持和管理，内核负责线程的创建、调度和管理。
• 混合方案：应用程序可以在用户空间管理多个用户级线程，这些线程映射到较少数目的内核级线程。

混合方案中的映射关系

如果使用混合方案的线程模型的话，用户级线程和内核级线程的映射方式也可以分为如下几种：

• 一对一：每一个用户级线程都对应一个内核级线程。
• 多对一：多个用户级线程映射到同一个内核级线程上。
• 多对多：多个用户级线程映射到多个内核级线程上。